基于优先级的航班到达调度算法

随着空中交通流量的迅猛增长,终端区空中交通拥堵以及由此导致的航班延误现象日益突出,甚至危及航空安全,航运效益也随之受到巨大的损失。作为终端区流量管理的核心,航班到达调度旨在为终端区待着陆的航班安排合理的着陆顺序和降落时刻,在确保安全的前提下提高进港航班运行效率。基于优先级思想,文章提出了PBSA和PBSA-CPS两种航班到达调度算法,并引入约束位置交换概念,以提高调度结果对于管制员的可操作特性。最后以首都机场为例进行了仿真,并与现行的先到先服务算法FCFS进行了对比。仿真结果表明,通过对航班赋予相应的优先级,有助于优化调配到达航班队列的降落时隙分配结果,提高终端区运行效率,减少延误损失。     

基于优先级的空中等待策略模型研究

空中交通拥塞日益严重,造成大量经济损失.空中等待是空中交通拥挤时流量调整的重要措施,作为短期措施中缓解空中交通拥塞的有效方法,空中等待策略的核心问题是确定航班等待序列.因此针对航班的延误时间和延误费用,提出了一种基于优先级的空中等待策略,并建立基于该算法的空中等待优化模型.该算法中,在确定等待航班的优先级时,综合考虑了航班的延误时间和延误费用的影响,确定出航班的等待序列.结合实际的数据,用计算机仿真实验对该算法进行了检验.结果表明,该算法具有灵活性和有效性.     

基于灰色聚类的大面积航班延误的延误程度评估

为准确评估大面积航班延误的延误程度,分析了空中交通网络中大面积航班延误的形成过程,在分析人、机、环、管等影响大面积航班延误程度的因素的基础上,选取能表征大面积航班延误程度的节点、航线、到达关联节点指标.基于空中交通网络流系统建立了大面积航班延误程度评估的指标体系.利用层次分析法和熵理论方法,组合赋权确定各指标权重.建立了评估大面积航班延误程度的灰色综合聚类评估模型.选取2019年某发生大面积航班延误的空域进行航班延误程度评估.算例分析结果表明:运用该模型所评估的发生大面积航班延误的空域的延误程度与实际情况相符.     

机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.     

空中交通流量管理中的多机场地面等待策略

为解决航班延误问题,提出了一种考虑机场网络的延误累加效应及连续航程航班影响的多机场空中交通流量管理模型。该模型采用地面等待策略,对机场网络中各机场的延误情况进行综合考虑。当某些机场容量受恶劣天气或其他突发情况影响发生变化,使延误无法避免时,能够合理分配机场的出发和到达容量,减少航班的空中延误。结合中国3个枢纽机场的流量数据,对模型进行了仿真计算。仿真结果表明:该模型提供了一种更安全、更经济的航班调度策略,可为民航相关部门制定航班计划提供辅助的战略决策。     

基于单一移动平台的飞机进近排序模型研究

进近飞机排序是空中交通管制系统的一项重要任务.本文针对单一移动平台,分析了求解问题的特点,提出了一种针对动态飞机流的优化调度算法.该算法结合了各种空管限制条件,引入飞机的优先级,体现延误较大、载油量少的飞机优先级,优先级相同的情况下则比较等待成本,符合空管的实际情况.同时,将管制员能力作为一个重要约束条件,对其关注范围内的飞机进行排序,确保进近飞行的安全.而且针对移动平台的特点,对复飞情况进行了专门处理.最后结合实际的数据,用计算机仿真实验对该算法进行了检验.结果表明,该算法能有效减少飞机的延误和空中盘旋等待,验证了空域利用率,表明了该算法的灵活性和有效性.     

加强空中交通管理,减少航班延误现象

空中交通安全,维护空中交通秩序,保障空中交通畅通。它包括空中交通服务（Air Traffic Service,ATS）、空域管理（Air SpaceManagement,ASM）和空中交通流量管理（Air Traffic Flow Management,ATFM）三大部分。本文将从这三个方面对如何加强空中交通管理,减少航班延误现象进行探讨。     

基于交叉点复杂度的空域通行能力优化方法

为解决空域拥挤导致通行能力下降的问题,提出了一种考虑交叉点复杂度的通行能力优化方法。首先,分析了实际民航运行中存在的痛点和难点,以及以往有关通行能力的研究缺少交叉点建模、管制员负荷测量困难和求解时间复杂度高的缺陷;然后从高度层、交叉点和航班运行3个方面提出了空域的数学抽象方法,并根据节点的交叉数对空域的数学模型进行简化,剔除了没有交叉的导航台点,降低了空中交通网络抽象后节点矩阵稀疏的问题;分析了交叉点对于通行能力的影响主要在于流量和交叉数两个方面,以这两个方面建立了交叉点的费用函数;以延误最小为目标,以流量平衡、扇区和航路容量、流控容量和非负整数作为约束,建立了通行能力优化模型;分析并指出存在负容差的空中交通网络更容易发生延误,并根据网络延误的特性提出了一种考虑延误反向传播的迭代算法。最后,以华北地区空域为例,从不同流控等级下的延误时间、受影响的航班数和算法计算时间3方面进行仿真。结果表明：所建模型和所提算法平均能降低33.58%的延误,且通过合理地分配改航、调时和调减最大程度减少延误。     

基于航班计划的空域交通流量实时预测模型

空中交通流量预测是空中交通管理的基础,实时的空中流量预测能够有效地保证空中交通有序顺畅的运行,对保证飞行安全和解决空中交通拥挤、减少航班延误有很大的帮助。为了准确预测空域内实时的交通流量,本文首先建立了空域内单航路有N个转弯点情况下的实时流量预测模型,然后将模型推广到了空域内有任意条航路的情况,最后进行了算例仿真。仿真结果证实了文中所建模型能够很好对空域内的实时流量进行预测,模型是可行和有效的。     

空中交通进近排序及优化调度

针对空中交通进近管制地区日益繁忙的交通流量,设计了一种进近排序及优化调度方案。目前的空中交通调度依赖于管制员的经验判断。随着交通流量的增加,管制员的工作负荷越来越重,这就进一步威胁交通安全。管制员通常以牺牲容量为代价来保障安全,结果造成大量的交通延误。该文设计的进近管制排序和优化调度方案能够在充分保证安全运营的情况下最优地使用机场和空域的容量。同时为管制员提供方便直观的决策支持工具,可以进一步减轻管制员的工作负荷。该方案已应用于清华大学国家CIMS中心与华北空管局合作开发的空中交通管制指挥检测系统(ATCCMS)中,得到了管制员的一致好评。     

基于滚动时域的遗传-免疫算法优化航班着陆调度

航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.     

多机场地面等待动态建模及其算法研究

随着我国民航事业的快速发展,空中交通流量迅速增长,使得空中交通拥挤问题日益严重,因此建立科学合理的空中交通管理系统变得十分迫切,而管理系统的核心-流量管理优化算法的研究就十分重要了。给出了考虑扇区容量限制的多机场地面等待问题的动态模型,并设计了一种以航班优先级别为核心的多机场地面等待启发式优化算法。详细地给出了算法的设计思想和步骤,求解时还考虑了目的机场容量的变化以及不同航班单位延迟费用的不同。最后仿真验证了其可行性。算法可求出符合各容量约束条件的满意实时解。     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

Dynamic Air-Route Adjustments——Model,Algorithm,and Sensitivity Analysis

Dynamic airspace management (DAM) is an important approach to extend limited air space resources by using them more efficiently and flexibly.This paper analyzes the use of the dynamic air-route adjustment (DARA) method as a core procedure in DAM systems.DARA method makes dynamic decisions on when and how to adjust the current air-route network with the minimum cost.This model differs from the air traffic flow management (ATFM) problem because it considers dynamic opening and closing of air-route segments instead of only arranging flights on a given air traffic network and it takes into account several new constraints,such as the shortest opening time constraint.The DARA problem is solved using a two-step heuristic algorithm.The sensitivities of important coefficients in the model are analyzed to determine proper values for these coefficients.The computational results based on practical data from the Beijing ATC region show that the two-step heuristic algorithm gives as good results as the CPLEX in less or equal time in most cases.     

机场航班延误优化模型

针对空中交通日益严重的航班延误,给出了一种机场航班延误优化模型.模型将机场的到达和出发视为密切相关的两个过程,考虑了具有连续航程的航班(到达和出发均由同一架飞机在当天顺序执行)及其到达和出发过程之间的相互影响.模型还充分考虑了机场容量、需求以及天气等因素的动态特性,在达到和出发过程之间实现流量分配的协同决策.在机场延误不可避免的情况下,该模型可以为管制员提供未来一段时间内的流量分配优化方案,尽量降低延误的后续影响.最后,结合中国某国际机场的实际数据,利用遗传算法对模型进行了验证,取得了很好的效果.     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。     

区域公交车辆调度问题的可靠性

为避免交通拥挤等突发事件干扰车辆正常、按时地完成某班次,从而造成公交车辆调度方案失效,需编制一个具较高可靠性的方案以适应环境变化.文中将区域公交车辆调度问题视为”部分班次被某车辆完成”的集合划分问题,假设不确定因素引起车辆延时完成某班次的时间服从正态分布,首次引入公交车辆调度方案的可靠度概念,考虑站场容量等约束因素,研究一类以车辆使用费用最少为第一目标和公交车辆调度方案可靠度最大为第二目标的多目标规划问题;再用约束法将第二目标变为约束条件,使该问题转化为单目标规划问题,设计求解问题的改进遗传算法,根据问题特征定义染色体编码、适应度函数、产生初始种群的启发式算法、交叉和变异操作等;最后,通过一个算例验证了模型和算法的正确性及有效性.